從一餐、一度汗、一滴水到一度電，構成淡水 ESG 的完整地圖
更新日期 2026-04-15
以國際實績為基礎，串起淡水中心的永續敘事
廚餘 → 堆肥 → 菜園 → 餐桌。從餐桌的廢料回到餐桌的食材，讓餐廳自己完成閉環。國際對標 Conrad Koh Samui（Project Iris 農場，自給率 60-70%）、Hilton × Winnow AI（4 週見效，減少 30-70% 食物浪費）。
前往餐廳場域 →運動 → 發電 → 儲能 → 場域。冠軍的汗水點亮訓練場館的燈。國際對標 Sacramento Eco Fitness（21 台 ECO-POWR，全球第一人力發電健身房）、Brown University（常春藤校園 8→25 台擴增驗證）。
前往女籃女桌場域 →雨水 / 冷凝水 / 灰水 → 儲存處理 → 再利用。每一滴水反覆服務多次。國際對標 Climate Pledge Arena（雨水製冰的「Rain to Rink」）、Marina Bay Sands（空調冷凝水年回收 28,105 噸）。
前往水資源場域 →三大核心循環之外，淡水再加兩條「基礎設施循環」，構成五域完整地圖
五條循環不是平行線，而是實體互相供應
| 報告書指標 | 現狀（2024） | 五域合計貢獻 | 方向 | 主要來源 |
|---|---|---|---|---|
| 範疇一碳排 | — | ↓（廚餘減量 + 停車場怠速減少） | ↓ | 餐廳 + 停車場 |
| 範疇二碳排 | 11,498 tCO₂e | 約 -120 至 -180 tCO₂e | ↓ | 停車場（節能）+ 動能（綠電） |
| 再生能源使用占比 | 25.2% | + 25-30 萬度 | ↑ | 停車場 + 動能 |
| 耗水量 | 408,694 度/年 | 短期 -5% 至 -15% | ↓ | 水資源 |
| 廢棄物總量 | — | 廚餘 -30% 至 -70% | ↓ | 餐廳 |
| ESG 課程人時占比 | 3.16% | 目標 ≥ 5%（+93,000 人時） | ↑ | 課室 |
| 綠色採購金額 | 4.7 億 | + 數千萬（五域設備計入） | ↑ | 五域合計 |
| GRI 對接章節數 | — | 涵蓋 GRI 302 / 303 / 305 / 306 / 404 | ↑ | 五域合計 |
「從一開始的構想就是要打造一座生產農場，而不是展示農場——要種出最好的食材。」
淡水 ESG 不是展示場域，是生產場域。它生產可以量化揭露的 GRI 指標，生產可以複製到 300+ 據點的標準作業，生產可以讓訓練學員帶走的 ESG 敘事。
從一餐開始，回到下一餐。以 10 個環節走完整條循環。
整理日期：2026-04-14
先看國內外實踐，再看我們的循環設計。8 個案例，點擊查看詳情。
| 案例 | 類型 | 循環完整度 | AI/科技 | 見效速度 | 對淡水的參考重點 |
|---|---|---|---|---|---|
| Soneva Fushi（馬爾地夫） | 度假村 | 完全閉環 | 無 | 8 年轉盈 | 閉環架構設計的理想模型 |
| 雲品日月潭（台灣） | 溫泉酒店 | 半閉環（合作農場） | 無 | — | 台灣條件下的合作農場模式 |
| Conrad Koh Samui（泰國） | 度假村 | 完全閉環 | 無 | 6 年持續運作 | 「生產農場」非「展示農場」 |
| Marina Bay Sands（新加坡） | 綜合度假村 | 完全閉環（魚菜共生） | Lumitics AI | — | AI 追蹤 + 生態農場串接 |
| 晶華酒店（台灣） | 五星飯店 | 部分（AI + 香草園各自獨立） | Winnow AI | 6 個月見效 | 台灣首例 AI 減廢 + 自產香草 |
| IKEA × Winnow（全球） | 連鎖餐廳 | AI 減廢（無堆肥/農場） | Winnow AI | 6-12 個月 | 固定菜色+大量供餐的最佳實證 |
| Hilton × Winnow（全球） | 連鎖飯店 | AI 減廢 + 部分據點堆肥 | Winnow AI | 4 週見效 | 最快見效速度的參考 |
| Lisbon Marriott（葡萄牙） | 單一飯店 | AI 減廢 | 食物追蹤系統 | 9 個月超標 | 單一據點、利潤提升 7% |
| 現在怎麼做 | 可以多做什麼 | 效果 |
|---|---|---|
| 各單位報名人數，直接作為採購依據 | 每日記錄「報名人數 vs 實到人數」，累積 no-show 資料庫 | 掌握真實 no-show 率（依課程類型、星期），未來可據此下修採購量 |
| 現在怎麼做 | 可以多做什麼 | 效果 |
|---|---|---|
| 根據人數向供應商採購 | 盤點供應商，標記哪些有有機/產銷履歷/CAS 認證，逐步提高永續食材比例 | 採購金額可計入公司綠色採購統計 |
| 現在怎麼做 | 可以多做什麼 | 效果 |
|---|---|---|
| 洗切備料，廢料（菜梗果皮）直接丟 | 前處理廢料分兩桶：可堆肥（菜葉果皮）vs 不可堆肥（骨頭硬殼），秤重記錄 | 知道每天備料產生多少廢料、多少可堆肥 |
| 現在怎麼做 | 可以多做什麼 | 效果 |
|---|---|---|
| 三菜二肉一水果 + 自助飯湯 | 出餐結束後秤各菜色剩餘量，每月彙整「哪道菜最常剩」，回饋菜單調整；自產食材入菜時，菜牌標示「園區自產」 | 減少長期高剩餘率的菜色；來訓學員看見循環成果 |
| 現在怎麼做 | 可以多做什麼 | 效果 |
|---|---|---|
| 廚餘混合丟棄，無數據 | 收餐區放電子秤，每日秤總重；區分三類來源：備餐剩餘 / 餐盤剩餘 / no-show 多餘 | 建立基準值，知道問題出在哪裡 |
| 現在怎麼做 | 可以多做什麼 | 效果 |
|---|---|---|
| 廚餘交清運（焚化） | 可堆肥廚餘投入堆肥機，24 小時分解，體積減少 90% | 廚餘不再送焚化爐 → 減碳；產出堆肥 → 菜園原料 |
| 現在怎麼做 | 可以多做什麼 | 效果 |
|---|---|---|
| 大草地閒置 | 劃設 200 m² 示範菜園，施用自產堆肥，種植香草與葉菜；來訓學員參與採摘 + 導覽 | 堆肥有去處；菜園產出可回到餐廚；ESG 體驗式教育 |
| 現在怎麼做 | 可以多做什麼 | 效果 |
|---|---|---|
| （目前無此環節） | 菜園收成直送廚房使用，計算替代採購金額 | 閉環完成 — 從這裡的餐桌開始，回到這裡的餐桌 |
| 環節 | 做什麼 | 對接指標 | 方向 | 預估年貢獻 |
|---|---|---|---|---|
| ❶ 預估人數 | 記錄 no-show 率 | 廢棄物用量 | ↓ 越低越好 | 減少源頭浪費（待量測） |
| ❷ 採購食材 | 轉永續食材 | 綠色採購金額 | ↑ 越高越好 | +100 萬 |
| ❸ 備料 | 前處理廢料分類秤重 | 廢棄物用量 | ↓ 越低越好 | 精準掌握組成 |
| ❹ 烹調出餐 | 菜色剩餘追蹤 + 自產標示 | 廢棄物用量 + ESG 教育 | ↓ / ↑ | 菜單優化減少剩餘 |
| ❺ 用餐 | （不改變） | — | — | — |
| ❻ 收餐秤重 | 每日秤重分類 | 廢棄物用量 | ↓ 越低越好 | 建立基準值（最關鍵） |
| ❼ 堆肥處理 | 廚餘投入堆肥機 | 範疇一碳排 | ↓ 越低越好 | -8.2 tCO₂e |
| ❽ 堆肥熟化 | 靜置 2-4 週 | （過渡環節） | — | — |
| ❾ 菜園種植 | 施肥 + 種植 + 體驗導覽 | ESG 課程完訓率 | ↑ 越高越好 | +2,500 人次 |
| ❿ 收成回餐廚 | 自產入菜 | 綠色採購金額 | ↑ 越高越好 | +5-7.5 萬 |
電子秤 ~NT$500 + Google Sheet
| 項目 | 費用 | 環節 |
|---|---|---|
| 堆肥機月租 | 數千元/月 | ❼ ❽ |
| 菜園建置 | 一次性，依規模 | ❾ |
從一次訓練開始，回到下一次訓練。以 10 個環節走完整條循環。
場域：國泰女籃體育館（WSBL 14連霸/史上32連霸）· 女桌訓練區（培育 150+ 位青少年國手）· 員工健身房
先看國內外實踐，再看我們的循環設計。6 個案例，點擊查看詳情。
| 案例 | 類型 | 動能發電 | 儲能 | AI/科技 | 對淡水的參考重點 |
|---|---|---|---|---|---|
| Sacramento Eco Fitness（美國） | 商業健身房 | 21 台 ECO-POWR | Enphase 電池 | 無 | 設備配置與效果的直接參照 |
| Brown University（美國） | 校園健身房 | 8→25 台 ECO-POWR | 無 | 無 | 教育場域 + 擴增驗證 |
| STORM Cycle × Energym（德國） | 飛輪教室 | 42 台 RE:GEN | 無 | 無 | 高頻使用的發電上限 |
| Climate Pledge Arena（美國） | 大型體育館 | 無（太陽能+RECs） | 無 | 有 | 運動場館 ESG 的北極星 |
| 台電電幻1號所（台灣） | 能源教育館 | 互動體驗 | 無 | VR | 台灣「運動×能源」市場驗證 |
| World Gym（台灣） | 連鎖健身房 | 無 | 無 | 無 | 台灣健身 ESG 對標基準 |
| 現在怎麼做 | 可以多做什麼 | 效果 |
|---|---|---|
| 健身房器材開放時段固定，無運轉紀錄 | 器材內建計時與使用次數計數器，累積每台設備的運轉時數與尖峰使用時段（純設備層數據，不涉及個人身分） | 掌握器材真實運轉模式，優化排程與發電規劃，作為 ❷ 器材配置依據 |
| 現在怎麼做 | 可以多做什麼 | 效果 |
|---|---|---|
| 一般健身器材，運動能量全部散逸為熱能 | 汰換為 SportsArt ECO-POWR 發電型器材（10 台建議配置），設備即時顯示瓦數與累計發電量；搭配器材端 OLED 監控儀，顯示運轉狀態 | 相同訓練量額外產出電力；透明數據展示，發電行為本身就是 ESG 故事素材 |
| 現在怎麼做 | 可以多做什麼 | 效果 |
|---|---|---|
| 運動能量全部散逸為熱能，零回收 | ECO-POWR 微型逆變器將人體動能轉換為市電級交流電，轉換效率 74%，即時回饋電網 | 每台每小時產電 160-220 Wh；10 台設備日產 6.4-12 kWh |
| 型號 | 類型 | 平均發電 | 最大發電 | 適用 |
|---|---|---|---|---|
| G510 | 飛輪車 | 160 Wh/hr | 250 Wh/hr | 飛輪課程 |
| G574U | 直立健身車 | 160 Wh/hr | 220 Wh/hr | 暖身恢復 |
| G845 | 橢圓機 | 160 Wh/hr | 200 Wh/hr | 全身有氧 |
| G660 | 跑步機 | 150 Wh/hr | 200 Wh/hr | 跑步訓練 |
建議配置：G510 × 5 + G574U × 2 + G845 × 2 + G660 × 1 = 10 台
| 現在怎麼做 | 可以多做什麼 | 效果 |
|---|---|---|
| （目前無此環節） | 安裝 Tesla Powerwall 3 儲能系統（13.5 kWh/台），將運動產生的電力儲存 | 白天訓練發電→儲存→夜間或尖峰時段釋放使用 |
| 規格 | Powerwall 3 |
|---|---|
| 儲能容量 | 13.5 kWh/台 |
| 持續功率 | 11.5 kW |
| 峰值功率 | 30 kW |
| 保固 | 10 年（≥70% 容量） |
| 建議配置 | 2 台（27 kWh），足以儲存整日訓練發電量 |
| 現在怎麼做 | 可以多做什麼 | 效果 |
|---|---|---|
| 器材運作無集中數據 | 每台器材內建感測器 + IoT 閘道器，自動收集發電量、運轉時數、振動/溫度等設備層指標；上雲供 ESG 儀表板即時顯示 | 以「設備數據」而非「選手數據」為軸，聚焦硬體表現與能源產出（選手個人數據由教練團管理，不在本案範圍） |
| 現在怎麼做 | 可以多做什麼 | 效果 |
|---|---|---|
| 器材故障只能事後維修；發電與儲能各自運作 | AI 從器材 IoT 數據預測耗損時機；AI 分析發電曲線與用電需求，最佳化儲能充放電時程 | 設備壽命延長、停機時間減少；自發自用比例最大化 |
| AI 功能 | 技術 | 預期效益 |
|---|---|---|
| 器材耗損預測 | 振動/溫度時序 ML | 預防性維護，延長設備壽命 20-30% |
| 發電模式分析 | 使用時段 × 功率叢集 | 找出最高發電效益的器材配置 |
| 儲能最佳化排程 | 預測 + 最佳化 | 最大化自發自用比例、削減尖峰 |
| 異常偵測 | 器材運轉 pattern | 即時通報故障與異常耗電 |
| ESG 儀表板整合 | 即時數據可視化 | 累計發電度數與減碳自動更新 |
| 現在怎麼做 | 可以多做什麼 | 效果 |
|---|---|---|
| 全場域 100% 依賴台電市電 | AI 智慧調度：預測用電需求，尖峰時段優先使用儲能電力；供應照明、計分板、手機充電站、ESG 儀表板 | 削減尖峰用電，自產電占場域 1-3%（故事性 > 絕對值） |
| 現在怎麼做 | 可以多做什麼 | 效果 |
|---|---|---|
| 場域無獨立碳盤查 | 建立場域級 ESG 儀表板：即時發電功率、累計碳減量（「等同種了 X 棵樹」）、個人/團隊排行榜 | 來訓學員看見 ESG 成果，每年 3,000+ 人次 ESG 沉浸式教育 |
| 現在怎麼做 | 可以多做什麼 | 效果 |
|---|---|---|
| 設備壞了才修（被動維護） | IoT 感測器監測設備運轉數據，AI 預測故障時機，安排預防性維護 | 延長設備壽命 20-30%、減少停機時間 |
| 現在怎麼做 | 可以多做什麼 | 效果 |
|---|---|---|
| （目前無此環節） | 自產電力供應訓練場域照明、空調、器材，訓練本身成為能源來源 | 閉環完成 — 運動員的汗水變成電力，電力支撐訓練環境 |
| 環節 | 做什麼 | 對接指標 | 方向 | 預估年貢獻 |
|---|---|---|---|---|
| ❶ 運轉紀錄 | 器材運轉時數與尖峰時段 | 再生能源自產比例 | ↑ | 最大化發電效率 |
| ❷ 器材導入 | ECO-POWR 發電型器材 | 再生能源 + 綠色採購 | ↑ | 10 台規劃 |
| ❸ 動能發電 | 人體動能→電力 | 再生能源 + 範疇二碳排 | ↑ / ↓ | +2,300-4,400 kWh、-1.1-2.2 tCO₂e |
| ❹ 儲能管理 | Powerwall 充放電 | 用電量 | ↓ | 夜間供電，削減尖峰 |
| ❺ 設備數據 | 器材 IoT + ESG 儀表板 | 設備生命週期 | ↑ | 耗損可追蹤 |
| ❻ AI 設備層分析 | 耗損預測 + 發電最佳化 | 設備壽命 + 自發自用率 | ↑ | 壽命延長 20-30%（核心引擎） |
| ❼ 場域供電 | 智慧調度 | 碳排強度（tCO₂e/人） | ↓ | 自產電 1-3% |
| ❽ ESG 揭露 | 即時儀表板 | ESG 課程完訓率 | ↑ | +3,000 人次（最關鍵） |
| ❾ 設備維護 | AI 預測性維護 | 綠色採購金額 | ↑ | 器材 300-500 萬計入 |
| ❿ 能源回場域 | 自產自用閉環 | RE100 路徑 | ↑ | 年省 ~NT$ 7,000-14,000 |
任何企業都能買發電型器材，但只有國泰有 32連霸冠軍球隊和 150+ 位國手在場域內每天訓練。
史上最強女籃的每日訓練化為電力，「冠軍的汗水點亮場館」——全台獨一無二的 ESG 故事
媒體報導價值極高青少年選手邊訓練邊為地球發電，「下一代的力量，為下一代的地球」
SDG 7 + SDG 13每台器材、每月累計發電度數可視化，社群內容自動產出，不涉及個人身分
數據透明化來訓學員上飛輪 30 分鐘，親身感受「自己發了多少電」——每年 3,000+ 人次沉浸式教育
培力主軸手機/平板 + Google Sheet 即可開始
| 項目 | 費用 | 環節 |
|---|---|---|
| ECO-POWR 器材 ×10 | 300-500 萬 | ❸ |
| Powerwall 3 ×2 | 60-100 萬 | ❹ |
| 電力管理系統 | 50-80 萬 | ❸❹❼ |
| AI 系統 | 60-100 萬 | ❻❽❾ |
| 穿戴裝置 | 30-50 萬 | ❺ |
從一堂課開始，回到下一堂課。以 10 個環節走完整條循環。
場域：一般課室（講授型）· 電腦教室 · 視訊會議室/遠距課室
先看國內外實踐，再看我們的循環設計。7 個案例，點擊查看詳情。
| 案例 | 類型 | 智慧建築/HVAC | ESG 訓練 | AI/科技 | 對淡水的參考重點 |
|---|---|---|---|---|---|
| Microsoft（美國） | 企業園區 | Azure Digital Twins | — | AI HVAC | 數據優先、分階段擴展 |
| Salesforce Tower（美國） | 辦公大樓 | WELL v2 Platinum | — | CO₂ 即時 | CO₂ 感測是最高 ROI 投資 |
| HSBC（全球） | 國際金融 | — | ESG 必修課 15-20% | LMS | ESG 嵌入式學習路徑 |
| NYU Stern（美國） | 商學院 | — | — | LMS | 紙本預設數位化 |
| 台積電（台灣） | 晶圓代工 | ISO 50001 | ESG 覆蓋 >90% | AIoT | 先量測再改善再驗證 |
| 玉山銀行（台灣） | 金融業 | — | ESG 占比 >20% | e-Learning | ESG 占比的定義寬度 |
| 國泰人壽（台灣） | 自身基準 | — | ESG 3.16% | — | 目標 5%，需增 93,000 人時 |
| 現在怎麼做 | 可以多做什麼 | 效果 |
|---|---|---|
| 各單位填報名人數，作為開房間、印講義的依據 | 建立課程歷史 no-show 資料庫（依課程類型、星期、是否跨縣市）；報到前 48 小時發提醒 | 30 人報名但歷史 no-show 率 20%，只需準備 24 人份講義、開較小課室 |
| 現在怎麼做 | 可以多做什麼 | 效果 |
|---|---|---|
| 員工各自通勤，無碳排記錄 | 課前調查加入通勤方式欄位；跨縣市受訓推薦住宿；設置共乘媒合系統 | 多日住宿取代每日長途通勤，通勤碳排可降 40-60%；共乘 4 人節省 75% |
| 現在怎麼做 | 可以多做什麼 | 效果 |
|---|---|---|
| 固定時間開燈/空調（課前 30-60 分鐘），不管人數或天氣 | 依人數與天氣預報決定預冷時間；導入雷射投影機（即開即用 100-150W）；靠窗區利用自然光分區控制 | 減少空燒 15-45 分鐘/日×課室數；照明用電降低 20-40% |
| 現在怎麼做 | 可以多做什麼 | 效果 |
|---|---|---|
| 空調固定 26°C，午休仍運轉 | 毫米波雷達人數感測器；依即時在室人數自動調節送風量；課間休息升至 28°C；AI 整合報名系統預測到課人數 | 空調用電節省 15-25%（參考 Microsoft Azure Smart Building） |
| AI 功能 | 技術 | 預期效益 |
|---|---|---|
| 到課人數預測 | ML 時序模型（no-show 率 × 課程類型） | 提前 2 小時預測，優化空調預冷時機 |
| 即時調度 | 感測器 + 規則引擎 | 依在室人數自動調節出風量 |
| 異常告警 | 統計偏差偵測 | 週末忘關空調即時通報 |
| 現在怎麼做 | 可以多做什麼 | 效果 |
|---|---|---|
| 每人紙本講義 + 紙本簽到 + 紙本測驗卷 | 電子講義（PDF）；QR Code 數位簽到；線上測驗（Google Form / LMS）；白板板書照相上傳 | 40 人班每堂省 1,200 頁；全年可減少約 41-65 萬張紙 |
| 現在怎麼做 | 可以多做什麼 | 效果 |
|---|---|---|
| 無 CO₂ 監測，靠感覺開窗換氣 | CO₂ 感測器 + 空品顯示螢幕（> 800 ppm 黃燈、> 1,000 ppm 紅燈 + 自動換氣）；照度感測器自動調暗靠窗燈列 | CO₂ < 800 ppm：認知效率提升 15%+（哈佛 COGfx 研究） |
| AI 功能 | 技術 | 預期效益 |
|---|---|---|
| CO₂ 預測 | 人數趨勢 + 環境數據 | 提前 5-10 分鐘啟動換氣，而非超標才反應 |
| 異常偵測 | 統計偏差分析 | 換氣系統開啟但 CO₂ 持續超標 → 告警排查 |
| 現在怎麼做 | 可以多做什麼 | 效果 |
|---|---|---|
| 紙本/Excel 管理課程評量，講師主觀判斷學習成效 | 導入 LMS：電子評量、課前/課後知識測驗、即時互動（Mentimeter/Slido）；統一訓練數據平台 | 每堂課有學習數據；GRI 404-1 訓練數據一鍵匯出 |
| AI 功能 | 技術 | 預期效益 |
|---|---|---|
| 個人化學習路徑 | 協同過濾推薦 | 依職位與歷史成績推薦最相關後續課程 |
| 知識弱點識別 | 錯題分析 + 統計 | 錯誤率 > 60% 的知識點 → 標記需加強 |
| 學習行為分析 | 學習數據挖掘 | 識別「完成率高但測驗低」的學員類型 |
| 現在怎麼做 | 可以多做什麼 | 效果 |
|---|---|---|
| ESG 課程獨立開班（159,875 人時）；非 ESG 課程不含永續素材 | 嵌入式 ESG 模組：每門課結尾增加 5-10 分鐘 ESG 反思；各課嵌入對應 ESG 案例（金融→永續金融，業務→責任銷售）；建立課程 ESG 標籤 | ESG 人時從 159,875 → 目標 253,000（占比 3.16%→5%） |
| 現在怎麼做 | 可以多做什麼 | 效果 |
|---|---|---|
| 課室無獨立電表，碳排併入公司整體 | 安裝子電表量測課室用電；課室前方 ESG 即時儀表板（用電、CO₂、節紙換算、碳足跡）；年度揭露於永續報告書 | 讓每位受訓員工親眼見到 ESG 數字，知道這堂課的碳成本 |
| 現在怎麼做 | 可以多做什麼 | 效果 |
|---|---|---|
| 課後紙本問卷，月底人工彙整 | 數位問卷即時收集；AI NLP 分析文字回饋（高頻關鍵詞、情感分析）；「反饋→改版→再測量」閉環流程 | 回饋循環從季度縮短為隔日；AI 生成月度課程優化建議；閉環完成 |
| AI 功能 | 技術 | 預期效益 |
|---|---|---|
| NLP 情感分析 | 文字分類（正/負/建議） | 識別高頻痛點，自動標記 |
| 跨課程模式識別 | 關鍵詞聚類 | 多門課同現「案例太少」→ 觸發全中心政策調整 |
| 預測性改善 | 測驗成績 + 滿意度交叉分析 | 找出「好聽但沒學到」的課程 |
| 環節 | 做什麼 | 對接指標 | 方向 | 預估年貢獻 |
|---|---|---|---|---|
| ❶ 排程預估 | 記錄 no-show 率，縮短空燒 | 訓練總人時 + 廢棄物 | ↑ / ↓ | 減少多印講義與空燒 |
| ❷ 通勤碳排 | 調查通勤方式，推廣住宿/共乘 | 範疇三碳排 | ↓ | 通勤碳排降 40-60% |
| ❸ 能源啟動 | 依人數調整預冷；雷射投影機 | 範疇二碳排 | ↓ | 減少空燒 + 設備耗電降低 |
| ❹ 空調智慧化 | IoT 人數感測 + AI 自動調節 | 用電量 | ↓ | 年節省空調用電 15-25% |
| ❺ 紙本減量 | 電子講義、數位簽到、線上測驗 | 紙張使用量 + 廢棄物 | ↓ | 訓練用紙減少 41-65 萬張/年 |
| ❻ 健康舒適 | CO₂ 感測 + 自然採光 | 員工身心健康維持率 | ↑ | CO₂ < 800 ppm，認知效率 +15% |
| ❼ 數位轉型 | LMS 平台 + AI 個人化學習 | 教育訓練滿意度 | ↑ | GRI 404-1 自動化 |
| ❽ ESG 課程化 | 嵌入式 ESG 模組 + 課程標籤 | ESG 課程累計人時 | ↑ | 159,875→253,000（3.16%→5%） |
| ❾ 碳排揭露 | 課程碳足跡 + 即時儀表板 | 範疇二碳排 + 透明度 | ↓ / ↑ | 課程碳標籤建立（最關鍵） |
| ❿ 回饋改善 | 數位問卷 + AI NLP 分析 | 訓練滿意度 + 完訓率 | ↑ | 改善週期從季度→月度 |
Google Sheet + 免費工具即可起步
| 項目 | 費用 | 環節 |
|---|---|---|
| IoT 人數感測器 + 空調整合 | 20-50 萬 | ❹ |
| CO₂ / 溫濕度 / 照度感測器 | 5-15 萬 | ❻ |
| LMS 數位學習平台 | 30-80 萬/年 | ❼ |
| AI 學習分析模組 | 20-50 萬 | ❼❿ |
| 課室子電表 | 10-20 萬 | ❾ |
| ESG 即時儀表板 | 5-15 萬 | ❾ |
| 雷射投影機 | 3-8 萬/台 | ❸ |
從一滴水開始，回到下一滴水。以 10 個環節走完整條循環。
場域：全園區水資源系統（自來水 · 雨水回收 · 冷凝水回收 · 中水再利用 · 廢水排放）
先看國內外實踐，再看我們的循環設計。6 個案例，點擊查看詳情。
| 案例 | 類型 | 主要循環方式 | 認證 | 對淡水的參考重點 |
|---|---|---|---|---|
| Climate Pledge Arena（美國） | 體育場館 | 雨水收集製冰 | 零碳認證 | 雨水的故事性應用 |
| Marina Bay Sands（新加坡） | 複合度假村 | 空調冷凝水回收 | — | 台灣氣候下冷凝水潛力 |
| Hotel Jakarta（荷蘭） | 精品飯店 | 雨水 + 灰水雙循環 | BREEAM Excellent | 水循環整合建築設計 |
| LAYANA 良品工業（台灣鹿港） | 製造業 | 大型雨水收集 | — | 台灣氣候下技術成熟度 |
| Taipei 101（台灣台北） | 商業大樓 | 中水 + 雙管路 | LEED 白金 | 既有建築改造 3 年回本 |
| 國泰烏日大樓（台灣台中） | 自有辦公樓 | 雨水回收 + Net Zero | EEWH + 能效 1+ | 集團內部先例，敘事連續性 |
| 現在怎麼做 | 可以多做什麼 | 效果 |
|---|---|---|
| 固定供水，不分場域，無分區用量數據 | 每日記錄住宿/用餐/訓練人數，與水錶讀數對照；結合氣象資料預測用水波峰 | 掌握人均用水基準，識別異常偏高場域；乾季提前調度儲水、雨季最大化收集 |
| 現在怎麼做 | 可以多做什麼 | 效果 |
|---|---|---|
| 100% 自來水，雨水直接排放，空調冷凝水流失 | 屋頂雨水收集（2,000 m² 集水面積）+ 空調冷凝水收集（200+ 機組匯集盤） | 年收集雨水約 3,400 噸 + 冷凝水約 365 噸，替代自來水 |
| 現在怎麼做 | 可以多做什麼 | 效果 |
|---|---|---|
| 無蓄水設施，水來即用 | 地下儲水槽（10-20 噸級，FRP 或混凝土）+ 初級過濾（沉澱 + 活性碳 + UV）+ 初期雨水分流器 | 建立緩衝儲量，乾季仍可調度；確保回收水達非飲用水標準 |
| 現在怎麼做 | 可以多做什麼 | 效果 |
|---|---|---|
| 全區單一管路，所有用途均用自來水 | 雙管路系統：飲用水（自來水）供廚房/淋浴；非飲用水（回收水）供沖廁/灌溉/清潔；紫色管標示防誤接 | 非飲用水用途佔總用水 30-40%，可全部由回收水替代 |
| 現在怎麼做 | 可以多做什麼 | 效果 |
|---|---|---|
| 全區只有總水錶，無法知道哪裡用了多少水 | 5 大場域智慧分區水錶（餐廚/住宿/體育館/景觀/課室）+ 省水設備全面更換（二段式馬桶、感應式龍頭、省水蓮蓬頭 ≤9 L/min） | 精準識別浪費熱點；省水設備單項可節水 20-40%；1 個漏水龍頭年浪費 11 噸可快速定位 |
| 現在怎麼做 | 可以多做什麼 | 效果 |
|---|---|---|
| 所有廢水混合排入下水道 | 三類分流：灰水（淋浴/洗臉/洗衣）→ 可回收；黑水（馬桶）→ 直排；油脂廢水（餐廚）→ 截油槽處理 | 灰水佔排水量 50-60%，為最易回收水源；160 間套房每日可回收 8,000-12,800 L 灰水 |
| 現在怎麼做 | 可以多做什麼 | 效果 |
|---|---|---|
| 無水資源回收設施 | 灰水 → 生物處理（MBR 膜生物反應器）→ UV 紫外線消毒 → 達非飲用水標準；導入非飲用水管路（❹） | 年中水回收量約 2,044 噸，供沖廁/灌溉使用，進一步降低自來水依賴 |
| 現在怎麼做 | 可以多做什麼 | 效果 |
|---|---|---|
| 水數據僅作為公司整體匯報一部分，無場域級揭露 | 建立淡水中心水資源 ESG 儀表板（今日用水量、自給比例、累計節水、等同減碳）；計算每位學員水足跡；對接永續報告書 GRI 303 系列 | 讓水循環成果「看得見」；場域級數據直接支撐公司 GRI 報告揭露品質 |
| 現在怎麼做 | 可以多做什麼 | 效果 |
|---|---|---|
| 無智慧化水管理 | 氣象 API + ML 雨量預測；分區水錶異常偵測定位漏水；IoT 土壤感測智慧灌溉；水質即時監測 | 漏水偵測節水 5-10%；智慧灌溉節水 30-50%；水質超標自動停供 |
| AI 功能 | 技術 | 預期效益 |
|---|---|---|
| 雨量預測 | 氣象 API + 時序 ML 模型 | 儲水效率最大化（颱風前預排、小雨期最大化收集） |
| 漏水偵測 | 分區水錶 + 異常偵測演算法 | 數小時內定位漏水，節省 5-10% 用水 |
| 智慧灌溉 | IoT 土壤感測器 + 規則引擎 | 灌溉水減少 30-50%（串聯食物循環菜園） |
| 水質監測 | IoT 感測器 + 閾值告警 | 確保回收水安全，超標自動停止供水 |
| 現在怎麼做 | 可以多做什麼 | 效果 |
|---|---|---|
| （目前無此環節） | 雨水 + 冷凝水 + 中水全部匯入非飲用水管路，形成閉環；灌溉水供應菜園 → 水循環與食物循環在此交叉 | 閉環完成——年回收水總量約 5,809 噸，年費用節省約 NT$69,700；跨循環串聯食物循環菜園 |
| 環節 | 做什麼 | 對接指標 | 方向 | 預估年貢獻 |
|---|---|---|---|---|
| ❶ 用水預估 | 建立人數-用水關聯資料庫 | 耗水強度 | ↓ | 建立基準值 |
| ❷ 水源取得 | 雨水收集 + 冷凝水回收 | 耗水量 + EEWH | ↓ / ↑ | +3,765 噸替代水源 |
| ❸ 儲水與處理 | 地下儲水槽 + 過濾系統 | 水資源自給率 | ↑ | 10-20 噸緩衝儲量 |
| ❹ 分流供水 | 雙管路配置 | 耗水量 | ↓ | 30-40% 用水可由回收水替代 |
| ❺ 分區計量 | 5 大場域智慧水錶 + 省水設備 | 耗水量 + 耗水強度 | ↓ | 識別浪費 + 省水 20-40%（最關鍵） |
| ❻ 排水分類 | 灰水/黑水/油脂分流 | 廢水回收率 | ↑ | 8,000-12,800 L/日灰水可回收 |
| ❼ 中水處理 | MBR + UV 消毒 | 水資源回收量 | ↑ | +2,044 噸/年中水 |
| ❽ ESG 揭露 | 水足跡儀表板 + GRI 報告 | ESG 揭露品質 | ↑ | 場域級水資源完整揭露 |
| ❾ AI 智慧管理 | 雨量預測 + 漏水偵測 + 智慧灌溉 | 耗水量 | ↓ | 節水 5-10%（漏水）+ 30-50%（灌溉） |
| ❿ 回供循環 | 閉環完成 + 串聯食物循環 | 水資源自給率 | ↑ | 5,809 噸/年，省 NT$6.97 萬 |
聚焦小型即裝即用設備，不涉及管路或工程改造
| 項目 | 費用 | 環節 |
|---|---|---|
| 省水蓮蓬頭（160 套房全面更換） | 3-8 萬 | ❺ |
| 感應式水龍頭（公共區 + 部分套房） | 5-12 萬 | ❺ |
| 二段式沖水馬桶（分批換裝） | 10-25 萬 | ❺ |
| 水龍頭 AI 感應器 + 異常流量偵測 | 8-18 萬 | ❺❾ |
| 分區智慧水錶（5 大場域） | 10-20 萬 | ❺ |
| ESG 水資源儀表板 | 5-15 萬 | ❽ |
| 短期小計 | 41-98 萬 | 1-2 年回本 |
涉及建築工程與管路改造，作為十年願景，非本輪預算決策範圍
| 項目 | 費用 | 環節 |
|---|---|---|
| 屋頂雨水收集系統 | 30-60 萬 | ❷ |
| 空調冷凝水收集 | 10-20 萬 | ❷ |
| 地下儲水槽 + 過濾 | 30-60 萬 | ❸ |
| 雙管路改造（工程最大項） | 40-80 萬 | ❹ |
| 灰水分離管路 | 15-30 萬 | ❻ |
| 中水處理設備（MBR + UV） | 40-80 萬 | ❼ |
| AI + IoT 感測完整導入 | 30-50 萬 | ❾ |
| 長期小計 | 195-380 萬 | 十年願景 |
從一度電開始，回到下一度電。以 10 個環節走完整條循環。
場域：地下停車場 + 園區電源（照明 · 通風 · EV 充電 · 園區建築屋頂太陽能 · 儲能 · AI 調度）
淡水中心停車場位於地下室，太陽能發電在建築屋頂、使用在地下場，透過微電網跨場域輸送；規劃已納入消防署 114 年地下場充電/儲能法規。
先看國內外實踐，再看我們的循環設計。6 個案例，點擊查看詳情。
| 案例 | 類型 | 主要循環方式 | 認證 | 對淡水的參考重點 |
|---|---|---|---|---|
| Google Bay View（美國） | 科技園區 | 龍鱗太陽能 + AI 調度 | LEED/WELL Platinum | 屋頂即發電廠，美學與永續整合 |
| Utrecht V2G（荷蘭） | 城市級 | V2G 雙向充電網絡 | — | EV 從「耗電」轉為「儲能」 |
| Tesla Supercharger（全球） | 充電網絡 | 太陽能 + Megapack + 快充 | — | 三位一體能源站模型 |
| 國泰烏日大樓（台灣台中） | 自有辦公樓 | 太陽能 + 節能 = Net Zero | EEWH + 能效 1+ | 集團內部先例，敘事連續性 |
| 台達電（台灣桃園+美國） | 電子業總部 | 太陽能 + 儲能 + EMS | LEED Platinum | 台灣廠商完整方案可行 |
| Gogoro（台灣） | 換電網絡 | 分散式儲能 + VPP | — | 電池即網絡商業模式 |
| 現在怎麼做 | 可以多做什麼 | 效果 |
|---|---|---|
| 固定供電，不分時段/場域，無用電預測 | 記錄進出車流、EV 充電次數、班次人數對照總電錶；結合氣象 API 預測未來 7 天用電與太陽能發電 | 掌握不同情境負載基準；晴天最大化太陽能自用、陰雨天預啟動儲能策略 |
| 現在怎麼做 | 可以多做什麼 | 效果 |
|---|---|---|
| 進場無引導，自行繞行找車位 | 地磁感測/影像辨識偵測車位狀態 + LED 導引燈 + 入口即時顯示剩餘車位；優先保留 EV 專用車位 | 找車位時間 3-5 分鐘降至 1 分鐘內，減少地下怠速排氣 50-70%（範疇一）；地下空間通風受限、廢氣累積更嚴重，效益比地面停車場顯著得多 |
| 現在怎麼做 | 可以多做什麼 | 效果 |
|---|---|---|
| 傳統 T5 / 日光燈，24 小時常亮 | 全面 LED 換裝（節能 50-60%）+ PIR/微波感應雙重偵測；無人時段降至 20% 亮度 | 照明耗電降 60-75%，以年耗電 5 萬度估年省 3-3.75 萬度 |
| 現在怎麼做 | 可以多做什麼 | 效果 |
|---|---|---|
| 定時抽風，排風機全時段定速運轉 | CO / CO₂ / PM2.5 感測器 + 變頻抽風機（VFD）；車流尖峰加強、離峰降至最低 | 風機耗電降 30-50%，年省 1.5-2.5 萬度；同時確保 CO 安全 |
| 現在怎麼做 | 可以多做什麼 | 效果 |
|---|---|---|
| 無充電樁或僅 1-2 座 AC 慢充 | 20 座 AC 慢充（7 kW）+ 2-4 座 DC 快充（60-180 kW）；智慧計費 + 身分辨識 + 時間電價；數據接入 AI 調度優先使用太陽能/儲能 | 年充電量 5-10 萬度（搭配綠電覆蓋）；自發自用最大化，充電碳排趨近零 |
| 現在怎麼做 | 可以多做什麼 | 效果 |
|---|---|---|
| 園區建築屋頂閒置（停車場在地下，無車棚太陽能可能） | 分散部署於園區 4 棟建築屋頂：旅宿棟+體育館+課室棟+餐廳棟，合計 300-400 kWp；每片模組微逆變器+雲端監測；板下空間串接水循環雨水收集 | 年發電 約 336,000 度，相當於園區用電 15-25%；年減碳 159 tCO₂e |
| 現在怎麼做 | 可以多做什麼 | 效果 |
|---|---|---|
| 無儲能，太陽能尖峰只能賣給台電或直接用 | 300-500 kWh 磷酸鋰鐵（LFP）儲能；導入 V2G 雙向充電樁，EV 同意時段可回供；與太陽能+充電樁+AI 整合為微電網 | 自發自用率 40-50% 提升至 70-85%；具備停電應急能力，營運韌性提升 |
| 現在怎麼做 | 可以多做什麼 | 效果 |
|---|---|---|
| 照明/空調/充電樁/儲能各自運作，無統一調度 | EMS 能源管理系統整合全能源流；太陽能發電預測 + 負載預測 + 削峰填谷 + 時間電價套利 | 自發自用 +15-20%、電費 -10-15%；避免契約容量超約罰金 |
| AI 功能 | 技術 | 預期效益 |
|---|---|---|
| 太陽能發電預測 | 氣象 API + LSTM | 提前調度儲能充放電 |
| 負載預測 | 歷史數據 + 班次排程 + 氣溫 | 預估 24 小時用電曲線，避免超約 |
| 削峰填谷 | 線性規劃 / 強化學習 | 自發自用 +15-20%、電費 -10-15% |
| 異常偵測 | 用電 pattern 分析 | 識別設備故障、浪費熱點 |
| EV 充電優化 | 多目標最佳化 | 離峰 + 綠電優先充電 |
| 現在怎麼做 | 可以多做什麼 | 效果 |
|---|---|---|
| 電力數據僅作公司整體匯報，無場域級揭露 | 淡水中心能源 ESG 儀表板（今日發電、自發自用、累計減碳、綠電充電里程）；對接 GRI 302/305 + ISSB S2 | 場域級數據「看得見」，支撐公司 GRI 報告揭露品質 |
| 現在怎麼做 | 可以多做什麼 | 效果 |
|---|---|---|
| （目前無此環節） | 屋頂太陽能+儲能+AI 調度，透過微電網跨樓層輸送至地下停車場，供應照明+通風+EV 充電；夜間來自日間儲存、陰雨天來自 V2G 回供 | 閉環完成 — 年自發自用約 252,000 度，減碳 119 tCO₂e，省電費 NT$88 萬 |
| 環節 | 做什麼 | 對接指標 | 方向 | 預估年貢獻 |
|---|---|---|---|---|
| ❶ 需求預估 | 車流-用電關聯資料庫 | 能源強度 | ↓ | 建立基準值 |
| ❷ 智慧車位 | 地磁/影像感測 + LED 導引 | 範疇一碳排 | ↓ | 減少地下怠速 50-70% |
| ❸ 照明智慧化 | LED + PIR 感應 | 範疇二碳排 | ↓ | 省電 60-75%，3-3.75 萬度 |
| ❹ 通風智慧化 | CO/CO₂ + 變頻風機 | 範疇二 + 空氣品質 | ↓ | 省電 30-50%，1.5-2.5 萬度 |
| ❺ EV 充電樁 | 20+ 充電樁 + 智慧計費 | 綠電充電量 + RE100 | ↑ | 年充電 5-10 萬度 |
| ❻ 太陽能發電 | 300-400 kWp 園區建築屋頂 | 再生能源占比 | ↑ | +336,000 度，減碳 159 tCO₂e |
| ❼ 儲能 + V2G | 300-500 kWh LFP + 雙向 | 自發自用率 | ↑ | 自發自用 40% → 70-85% |
| ❽ AI 智慧調度 | EMS + 預測 + 最佳化 | 範疇二 + ISO 50001 | ↓ | 削峰填谷省費 10-15%（最關鍵） |
| ❾ ESG 揭露 | 能源儀表板 + GRI 對接 | ESG 揭露品質 | ↑ | 場域級能源完整揭露 |
| ❿ 回供循環 | 微電網閉環（屋頂→地下） | 再生能源 + 範疇二 | ↑/↓ | 252,000 度自發自用，省 NT$88 萬 |
聚焦節能與數據可視化，不涉及太陽能、儲能等大型工程
| 項目 | 費用 | 環節 |
|---|---|---|
| CO/CO₂ 感測 + 變頻風機改裝（ROI 最高） | 20-40 萬 | ❹ |
| LED + PIR 感應控制 | 40-80 萬 | ❸ |
| 地磁感測 + LED 車位導引 | 30-60 萬 | ❷ |
| ESG 儀表板（能源模組） | 15-30 萬 | ❾ |
| 5-10 座 AC 慢充（小規模試運行，含防火撒水） | 50-100 萬 | ❺ |
| 短期小計 | 155-310 萬 | 2-4 年回本 |
太陽能、儲能、大規模充電樁屬十年願景，暫不列入本輪預算
| 項目 | 費用 | 環節 |
|---|---|---|
| 園區建築屋頂太陽能（300-400 kWp） | 500-800 萬 | ❻ |
| 儲能系統（LFP）+ 防火機房 | 350-580 萬 | ❼ |
| EV 充電樁完整建置（20 AC + 2-4 DC） | 200-380 萬 | ❺ |
| V2G 雙向充電樁 | 50-100 萬 | ❼ |
| AI EMS 能源管理系統 | 80-150 萬 | ❽ |
| 配電盤升級 + 微電網跨樓層配線 | 80-150 萬 | ❺❻❼ |
| 長期小計 | 1,260-2,160 萬 | 十年願景 |